随着知识图谱和图计算的兴起与发展,对于超大规模的图数据处理分析逐渐成为了业界关注的热点问题。与传统关系型数据不同的是,图数据通过顶点和边来表示实体以及实体之间的关系,从而展现出由点到面的网状结构。在对图数据进行处理时,往往会从一个顶点开始,向周围的顶点和边不断地迭代计算,为了能够支撑超大规模图数据的存储及其相关的数据处理,分布式图数据库应运而生。在现有的分布式图数据库中,通常采用的都是计算和存储分离的架构设计,上层计算层负责对图数据进行查询和计算,下层存储层则负责数据的可靠性存储和一些基础的图查询算子。在图数据处理过程中,图遍历是其最常见的操作,该过程中往往会产生大量的中间结果并且频繁地在计算层和存储层之间交互,从而造成额外的网络开销影响图数据库的处理性能。因此,对于图数据库存储层而言,研究如何在分布式环境中设计并实现原生图存储,减少图数据遍历过程中产生的中间结果对于提升整个分布式图数据库的性能有着重要意义。为了解决上述问题,本文所做主要工作如下:1.设计并实现原生图数据的组织与存储。在以边划分的图分区算法为前提下,将切分后的图数据以子图为单位进行原生图存储,针对图拓扑数据和图属性数据在图遍历过程中各自不同的特点进行设计和存储,实现了一个有良好的性能的原生图存储方法;2.针对现有图数据遍历方法提出优化。为了解决现有图数据库在进行多层图遍历的过程中,中间结果在计算层和存储层频繁进行交互的问题,在存储层设计并实现了算子下沉和中间结果缓存机制,遍历的中间结果无需在计算层和存储层之间进行交互,而是通过控制报文来推进整个图数据计算查询任务,从而达到减少网络开销提升查询性能的目的;3.设计并实现图的分布式存储。充分考虑图数据的邻近性和分布式集群中数据负载均衡,在保证集群高可用的前提下,尽可能的去保证图的邻近性来提升系统的整体性能。设计并实现分布式图数据库的多副本和一致性方法,当集群出现负载不均衡时,整个集群能够自我感知并调整;本文还给出了分布式图数据库存储层的测试报告,测试表明在保证分布式的可靠存储的前提下,对于图遍历的性能对比现有图数据库而言有着明显提升。